SẮP XẾP CÁCH PHỐI HỢP TRONG TỔ CHỨC KHI TRIỂN KHAI AI (PHẦN 2)

Trong bài viết trước, tôi có đề cập đến một nghiên cứu hợp tác giữa Đại học Carnegie Mellon và Unanimous AI, được Unanimous AI công bố ngày 15/10/2026, cho thấy các nhóm sử dụng AI agents để hỗ trợ trao đổi thông tin có thể ra quyết định nhanh hơn khoảng 19% so với phương thức thảo luận thông thường, trong khi độ chính xác gần như tương đương. Điều đáng chú ý là những AI agents trong nghiên cứu không trực tiếp giải quyết vấn đề hay đưa ra quyết định thay con người. Chúng chủ yếu hỗ trợ chọn lọc và chuyển tiếp thông tin giữa các thành viên, qua đó giúp nhóm phối hợp hiệu quả hơn. Mặc dù đây mới là một nghiên cứu thử nghiệm với quy mô nhỏ, kết quả gợi mở một vấn đề đáng quan tâm trong quản trị doanh nghiệp. Khi AI ngày càng có khả năng thực hiện nhiều công việc, hiệu suất của tổ chức sẽ phụ thuộc đáng kể vào cách những công việc ấy được kết nối, chuyển giao và phối hợp để tạo ra kết quả chung.

Đây cũng là lý do trong các lớp Hưng nghiệp cùng AI, cũng như khi tư vấn triển khai AI agents cho doanh nghiệp, tôi thường yêu cầu và hướng dẫn những người tham gia bắt đầu bằng việc chuẩn hóa lại mô hình kinh doanh. Từ mô hình kinh doanh, chúng tôi tiếp tục xác định và vẽ lại các dòng chuyển giao giá trị đến khách hàng, sau đó mới đi sâu vào hệ thống quy trình, dòng thông tin nội bộ và cách phối hợp giữa những phòng ban để bảo đảm giá trị đã cam kết được chuyển giao đầy đủ. Quá trình này bắt đầu từ việc doanh nghiệp tìm kiếm, tiếp cận khách hàng, tìm hiểu nhu cầu, bán hàng, tổ chức thực hiện, bàn giao kết quả cho đến chăm sóc sau bán hàng và duy trì quan hệ lâu dài. Khi đã có được bức tranh tương đối đầy đủ về cách doanh nghiệp vận hành, chúng tôi mới xác định những công việc nào có thể ứng dụng AI, những hoạt động nào cần thiết kế lại và AI agents nên tham gia ở đâu. Cách tiếp cận này đôi khi khiến việc triển khai ban đầu có vẻ chậm hơn so với việc lập tức xây dựng một vài trợ lý AI. Tuy nhiên, nếu doanh nghiệp chưa hiểu rõ cách mình đang tạo ra và chuyển giao giá trị, việc bổ sung thêm công cụ rất dễ khiến những vấn đề vốn có trong quá trình vận hành tiếp tục được duy trì, thậm chí trở nên phức tạp hơn khi tốc độ thực hiện công việc tăng lên.

Trước hết, việc chuẩn hóa mô hình kinh doanh giúp doanh nghiệp làm rõ những câu hỏi căn bản về khách hàng mà mình phục vụ, giá trị mà khách hàng thực sự cần, cách doanh nghiệp tiếp cận và duy trì quan hệ với khách hàng, những nguồn lực và hoạt động thiết yếu để tạo ra giá trị, cũng như cấu trúc doanh thu và chi phí để duy trì hoạt động. Có thể sử dụng Business Model Canvas như một công cụ để hệ thống hóa các thành phần này, nhưng điều quan trọng hơn là những người tham gia phải hiểu được mối liên hệ giữa chúng. Chẳng hạn, doanh nghiệp có thể tuyên bố lợi thế cạnh tranh của mình nằm ở khả năng cá nhân hóa dịch vụ, nhưng cách tổ chức công việc lại dựa hoàn toàn vào những gói sản phẩm cố định, trong khi bộ phận bán hàng vẫn thường xuyên đưa ra các cam kết vượt quá khả năng triển khai. Nếu những mâu thuẫn như vậy chưa được nhận diện và xử lý, AI có thể giúp doanh nghiệp tiếp cận khách hàng nhanh hơn, xây dựng đề xuất hấp dẫn hơn và tạo ra nhiều cơ hội bán hàng hơn, nhưng chính điều đó cũng có thể làm gia tăng những cam kết mà hệ thống vận hành chưa đủ khả năng đáp ứng.

Sau khi xác định rõ mô hình kinh doanh, bước tiếp theo là chuyển những giá trị mà doanh nghiệp cam kết với khách hàng thành các dòng công việc có thể quan sát, đo lường và quản trị. Mỗi dòng giá trị cần làm rõ khách hàng bắt đầu tiếp xúc với doanh nghiệp từ đâu, trải qua những giai đoạn nào, nhận được kết quả gì ở từng giai đoạn và những điều kiện nào phải được đáp ứng để giá trị tiếp tục được chuyển giao. Với một doanh nghiệp cung cấp dịch vụ, hành trình ấy có thể bắt đầu từ hoạt động tiếp thị giúp khách hàng nhận diện nhu cầu, tiếp đến là tư vấn và xác định vấn đề, xây dựng giải pháp, thỏa thuận hợp đồng, tổ chức triển khai, nghiệm thu và chăm sóc sau khi hoàn thành. Trong một số mô hình kinh doanh, quá trình này còn tiếp tục với hoạt động hỗ trợ sử dụng, phát triển nhu cầu mới hoặc tái ký hợp đồng. Điều cần lưu ý là dòng chuyển giao giá trị được xác định từ những kết quả khách hàng cần nhận được, còn quy trình nội bộ mô tả cách doanh nghiệp huy động nguồn lực để tạo ra những kết quả ấy. Nếu bắt đầu bằng việc liệt kê những gì từng phòng ban đang làm, doanh nghiệp rất dễ xây dựng một hệ thống quy trình đầy đủ về mặt chức năng nhưng thiếu sự kết nối với trải nghiệm thực tế của khách hàng.

Chẳng hạn, hãy hình dung một doanh nghiệp cung cấp dịch vụ đào tạo cho các tổ chức. Bộ phận tiếp thị có trách nhiệm tìm kiếm khách hàng tiềm năng, bộ phận kinh doanh tiếp nhận và tư vấn, đội ngũ chuyên môn thiết kế chương trình, bộ phận vận hành tổ chức lớp học, kế toán theo dõi hợp đồng và thanh toán, còn bộ phận chăm sóc khách hàng tiếp nhận phản hồi sau đào tạo. Nhìn từ cơ cấu tổ chức, mỗi bộ phận đều có nhiệm vụ tương đối rõ ràng. Tuy nhiên, đối với khách hàng, điều họ quan tâm là doanh nghiệp có hiểu đúng nhu cầu của mình, thiết kế chương trình phù hợp, tổ chức đào tạo đúng cam kết và tạo ra những kết quả có ý nghĩa đối với người tham gia hay không. Nếu bộ phận kinh doanh chưa thu thập đầy đủ những vấn đề mà khách hàng cần giải quyết, đội ngũ chuyên môn có thể thiết kế chương trình dựa trên những giả định thiếu chính xác. Nếu những thay đổi trong thỏa thuận với khách hàng không được chuyển đến bộ phận vận hành, lớp học có thể được tổ chức theo một kế hoạch đã không còn phù hợp. Và nếu những phản hồi sau đào tạo chỉ được lưu tại bộ phận chăm sóc khách hàng mà không quay trở lại đội ngũ chuyên môn và kinh doanh, doanh nghiệp sẽ bỏ lỡ cơ hội cải thiện chất lượng dịch vụ và hiểu khách hàng sâu sắc hơn. Khi ấy, từng phòng ban có thể đã hoàn thành nhiệm vụ được giao, nhưng kết quả cuối cùng vẫn chưa đáp ứng đầy đủ giá trị mà doanh nghiệp đã cam kết.

Từ đây có thể thấy việc thiết kế lại dòng thông tin và cơ chế phối hợp nội bộ quan trọng đến mức nào. Khi đã xác định được những công đoạn tạo ra giá trị, doanh nghiệp cần làm rõ thông tin nào phải được hình thành tại mỗi công đoạn, ai có trách nhiệm tạo ra hoặc xác nhận thông tin ấy, bộ phận nào cần tiếp nhận và sử dụng, tiêu chuẩn đầu ra là gì, những trường hợp nào phải kiểm tra hoặc phê duyệt trước khi chuyển sang bước tiếp theo. Trong ví dụ trên, một yêu cầu đào tạo được chuyển từ kinh doanh sang bộ phận chuyên môn cần có đủ thông tin về đối tượng học viên, vấn đề cần giải quyết, mục tiêu kỳ vọng, điều kiện tổ chức, phạm vi ngân sách và những cam kết đã thống nhất. Khi chương trình được chuyển sang bộ phận vận hành, hồ sơ tiếp tục cần có kế hoạch triển khai, nguồn lực cần chuẩn bị, lịch trình, trách nhiệm của các bên và những điều kiện nghiệm thu. Những nội dung đó phải được xác định thành tiêu chuẩn chuyển giao, để công việc có thể tiếp tục một cách nhất quán, giảm sự phụ thuộc vào trí nhớ, thói quen hoặc quan hệ cá nhân giữa những người tham gia.

Một điểm cần phân biệt là thông tin trong tổ chức không vận động theo một chiều duy nhất. Có những thông tin được chuyển theo tiến trình công việc, từ bộ phận tiếp nhận đến bộ phận thực hiện rồi sang bộ phận bàn giao. Có những thông tin cần trao đổi theo chiều ngang giữa các bộ phận đang cùng giải quyết một vấn đề. Chẳng hạn, khi xây dựng phương án cung cấp dịch vụ, kinh doanh cần phối hợp với chuyên môn để xác định khả năng đáp ứng, đồng thời trao đổi với tài chính về chi phí và điều kiện thương mại. Bên cạnh đó còn có dòng thông tin theo chiều quản trị, khi lãnh đạo xác lập mục tiêu, chính sách, phân bổ nguồn lực và tiếp nhận báo cáo về kết quả hoạt động. Cuối cùng là dòng thông tin phản hồi từ khách hàng và thị trường, giúp doanh nghiệp nhận diện những thay đổi về nhu cầu, những vấn đề phát sinh trong quá trình sử dụng sản phẩm và những cơ hội cải tiến. Những dòng thông tin này liên tục giao nhau trong quá trình vận hành. Nếu chỉ thiết kế quy trình theo thứ tự các bước mà chưa làm rõ những mối phụ thuộc và cơ chế phản hồi, doanh nghiệp vẫn có thể gặp tình trạng chờ đợi, thiếu thông tin, thực hiện trùng lặp hoặc đưa ra những quyết định thiếu nhất quán.

Vấn đề này cũng cho thấy sự khác biệt giữa quản trị theo cơ cấu phòng ban và quản trị theo dòng giá trị. Cơ cấu phòng ban giúp doanh nghiệp tổ chức chuyên môn, quản lý nhân sự, phát triển năng lực và phân bổ nguồn lực. Trong khi đó, dòng giá trị giúp doanh nghiệp nhìn thấy cách các hoạt động từ nhiều bộ phận kết nối với nhau để tạo ra kết quả cuối cùng. Hai chiều quản trị ấy cần được thiết kế để bổ trợ cho nhau. Trưởng phòng kinh doanh vẫn chịu trách nhiệm về năng lực và kết quả hoạt động của đội ngũ kinh doanh, nhưng toàn bộ quy trình từ tiếp nhận nhu cầu khách hàng đến hoàn thành hợp đồng phải có người chịu trách nhiệm về hiệu suất chung. Người này cần đủ thẩm quyền để theo dõi, điều phối và đề xuất thay đổi những hoạt động có liên quan đến nhiều bộ phận, đồng thời có cơ chế giải quyết khi các bên không thống nhất được về ưu tiên hoặc nguồn lực. Theo cách tiếp cận quản trị quy trình xuyên suốt của APQC, việc xác định người sở hữu quy trình, trách nhiệm ở các điểm chuyển giao và những chỉ số chung là điều kiện quan trọng để quản trị hiệu quả những công việc vượt qua ranh giới phòng ban.

Khi hệ thống phối hợp đã được làm rõ, AI agents mới có thể được đưa vào như những tác nhân thực thi và hỗ trợ điều phối công việc. Một agent của bộ phận tiếp thị có thể nghiên cứu thị trường, phân tích nhóm khách hàng và hỗ trợ triển khai chiến dịch. Agent của bộ phận kinh doanh có thể tiếp nhận dữ liệu khách hàng tiềm năng, phân tích nhu cầu và chuẩn bị phương án tư vấn. Agent hỗ trợ chuyên môn có thể tìm kiếm tài liệu, tổng hợp yêu cầu và đề xuất phương án triển khai, trong khi agent vận hành có thể theo dõi tiến độ, kiểm tra điều kiện thực hiện và hỗ trợ cập nhật trạng thái công việc. Tuy nhiên, nếu mỗi agent chỉ hoạt động trong phạm vi riêng của từng phòng ban, doanh nghiệp vẫn phải giải quyết bài toán phối hợp giữa chúng. Kết quả phân tích khách hàng của agent tiếp thị cần được chuyển giao theo định dạng mà bộ phận kinh doanh có thể tiếp nhận và kiểm chứng. Những cam kết mà nhân viên kinh doanh xác nhận phải được cập nhật để đội ngũ chuyên môn và vận hành sử dụng. Khi có thay đổi về khả năng cung cấp dịch vụ, hệ thống phải xác định những người và agent nào cần được thông báo, những tài liệu nào cần cập nhật và những quyết định nào phải được xem xét lại.

Để những hoạt động này diễn ra nhất quán, doanh nghiệp cần có một cơ chế điều phối công việc chung, nơi trạng thái của từng hồ sơ, những nhiệm vụ đã hoàn thành, các công đoạn đang chờ và những quyết định cần xử lý được ghi nhận rõ ràng. Cơ chế điều phối này có thể sử dụng phần mềm quản lý quy trình, các quy tắc tự động hóa và AI agents tùy theo tính chất công việc. Những hoạt động có điều kiện xác định, chẳng hạn khi hợp đồng đã được phê duyệt thì tạo yêu cầu triển khai, thường có thể được xử lý bằng những quy tắc phần mềm thông thường. Những hoạt động cần phân tích thông tin phức tạp, suy luận theo ngữ cảnh hoặc sử dụng nhiều công cụ có thể phù hợp hơn với AI agents. Đối với những công việc có thể thực hiện độc lập, hệ thống có thể điều phối nhiều tác nhân hoạt động song song để rút ngắn thời gian chờ. Ngược lại, khi kết quả của công đoạn sau phụ thuộc vào công đoạn trước, hệ thống cần kiểm tra điều kiện hoàn thành rồi mới cho phép tiếp tục. Cách tiếp cận này cũng phù hợp với những hướng dẫn kỹ thuật của Anthropic về việc phối hợp các agent theo quy trình tuần tự, song song hoặc đánh giá và cải tiến kết quả. Điều quan trọng là lựa chọn cấu trúc phù hợp với sự phụ thuộc thực tế của công việc, thay vì cố gắng trao quyền tự chủ cho AI ở mọi công đoạn.

Một hệ thống phối hợp như vậy cũng cần được xây dựng trên nền tảng dữ liệu và tri thức dùng chung. Khi mỗi nhân viên sử dụng AI thông qua những cuộc trò chuyện riêng, những thông tin quan trọng có thể bị phân tán, thiếu cập nhật hoặc không được chuyển giao đầy đủ khi người phụ trách thay đổi. Doanh nghiệp vì thế cần tổ chức dữ liệu theo những đối tượng công việc cụ thể, chẳng hạn hồ sơ khách hàng, yêu cầu dịch vụ, hợp đồng, dự án hoặc đơn hàng. Mỗi hồ sơ cần có mã định danh, người chịu trách nhiệm, trạng thái xử lý, dữ liệu liên quan, lịch sử cập nhật và những điều kiện còn phải hoàn thành. Các hệ thống phần mềm có thể tiếp tục lưu giữ dữ liệu theo chức năng riêng, nhưng phải có cơ chế kết nối và xác định đâu là nguồn thông tin có thẩm quyền đối với từng loại dữ liệu. Điều này cũng không có nghĩa mọi nhân viên hay agent đều được truy cập toàn bộ thông tin của doanh nghiệp. Khả năng chia sẻ phải đi cùng cơ chế phân quyền, bảo mật và kiểm chứng nguồn gốc dữ liệu. Khi thông tin được tổ chức nhất quán, con người và AI agents mới có điều kiện phối hợp dựa trên cùng một trạng thái công việc, hạn chế tình trạng mỗi bên sử dụng một phiên bản thông tin khác nhau để đưa ra những quyết định thiếu đồng bộ.

Tuy nhiên, ngay cả khi quy trình và dữ liệu đã được chuẩn hóa, việc cho phép AI agents tham gia vận hành vẫn đặt ra những yêu cầu quản trị mới. Với mỗi agent, doanh nghiệp cần xác định danh tính, vai trò, phạm vi nhiệm vụ, quyền truy cập, những giới hạn phải tuân thủ, khả năng quan sát và điều kiện chuyển giao quyền xử lý cho con người. Chẳng hạn, agent kinh doanh có thể được phép tổng hợp dữ liệu khách hàng và soạn thảo báo giá, nhưng quyền gửi báo giá chính thức hoặc điều chỉnh mức chiết khấu phải tuân theo chính sách của doanh nghiệp. Agent tài chính có thể hỗ trợ đối chiếu thông tin và phát hiện những khoản thanh toán bất thường, nhưng những hành động làm thay đổi dữ liệu kế toán hoặc phát sinh giao dịch cần được kiểm soát theo mức độ rủi ro. Tương tự, một agent hỗ trợ điều phối có thể phát hiện bộ phận chuyên môn chậm phản hồi và chuyển thông tin đến người phụ trách, nhưng khi phát sinh mâu thuẫn về ưu tiên nguồn lực, hệ thống cần có cơ chế đưa vấn đề đến người có thẩm quyền. Quyền hành động của agent phải được thực thi thông qua hệ thống phần mềm và cơ chế xác thực phù hợp, thay vì chỉ phụ thuộc vào những lời hướng dẫn trong câu lệnh. Khi AI càng tham gia sâu vào quá trình phối hợp, khả năng theo dõi, kiểm chứng, can thiệp và dừng hoạt động càng cần được thiết kế chặt chẽ.

Một vấn đề khác thường bị bỏ qua là việc đưa AI vào hệ thống sẽ làm thay đổi năng lực xử lý công việc của từng công đoạn, trong khi các công đoạn còn lại có thể chưa kịp thích ứng. Giả sử trước đây một nhân viên kinh doanh mất hai giờ để tổng hợp yêu cầu và chuẩn bị báo giá, nay với AI chỉ cần mười phút. Nếu những công đoạn tiếp theo vẫn phải chờ bộ phận chuyên môn thẩm định, tài chính kiểm tra và quản lý phê duyệt theo cách cũ, tổng thời gian khách hàng chờ nhận báo giá có thể không giảm đáng kể. Khi nhân viên kinh doanh có thể chuẩn bị nhiều báo giá hơn, số hồ sơ chuyển sang các bộ phận phía sau còn có thể gia tăng, khiến thời gian chờ và lượng công việc tồn đọng lớn hơn. Đây là lý do hiệu suất của AI cần được đánh giá trong mối quan hệ với toàn bộ quy trình. Một agent hoàn thành nhiều nhiệm vụ, xử lý dữ liệu nhanh hoặc tạo ra nhiều tài liệu chưa chắc đã giúp doanh nghiệp phục vụ được nhiều khách hàng hơn. Những chỉ số cần quan tâm bao gồm thời gian hoàn thành từ đầu đến cuối, thời gian chờ giữa các công đoạn, số lần xử lý lại, tỷ lệ sai sót, chi phí phối hợp, mức độ đáp ứng cam kết và kết quả khách hàng thực sự nhận được. Khi một công đoạn được cải thiện, doanh nghiệp cũng cần đo lại toàn bộ dòng công việc để nhận diện những điểm nghẽn mới.

Bên cạnh việc nâng cao hiệu suất, quá trình thiết kế lại hệ thống còn phải tính đến năng lực cộng tác của con người. Trong tổ chức, những hoạt động phối hợp có ý nghĩa rộng hơn việc chuyển giao thông tin hoặc phân công nhiệm vụ. Thông qua quá trình làm việc cùng nhau, các thành viên dần hiểu được cách suy nghĩ, giới hạn chuyên môn, những ưu tiên và khó khăn của nhau. Họ học cách thương lượng khi có bất đồng, hình thành những chuẩn mực chung và phát triển sự tin cậy cần thiết để xử lý những tình huống chưa từng xảy ra. AI có thể hỗ trợ tìm kiếm, tổng hợp, chuyển tiếp thông tin và đề xuất phương án, nhưng việc lựa chọn giữa những lợi ích xung đột, điều chỉnh những cam kết đã đưa ra hoặc chịu trách nhiệm về hậu quả của quyết định vẫn cần có sự tham gia của những người có thẩm quyền. Nếu doanh nghiệp tự động hóa quá nhiều hoạt động trao đổi mà chưa xem xét chức năng học hỏi và xây dựng quan hệ của chúng, tổ chức có thể tiết kiệm được thời gian trước mắt nhưng đồng thời làm suy giảm những cơ hội để nhân viên phát triển hiểu biết chung và năng lực phối hợp lâu dài. Vì vậy, khi thiết kế hệ thống mới, cần xác định cả những hoạt động AI có thể đảm nhiệm hiệu quả và những hoạt động con người nên tiếp tục trực tiếp tham gia để duy trì năng lực tổ chức.

Nhìn rộng hơn, việc ứng dụng AI đang tạo điều kiện để doanh nghiệp xem xét lại cách tổ chức công việc ở nhiều cấp độ. Ở cấp độ cá nhân, AI giúp nhân viên thực hiện một số nhiệm vụ nhanh hơn và mở rộng khả năng tiếp cận tri thức. Ở cấp độ phòng ban, AI có thể hỗ trợ chuẩn hóa những hoạt động chuyên môn và cải thiện khả năng xử lý công việc. Ở cấp độ liên phòng ban, AI có thể hỗ trợ theo dõi tiến độ, kết nối thông tin và xử lý những công đoạn phụ thuộc lẫn nhau. Còn ở cấp độ toàn doanh nghiệp, giá trị của AI phụ thuộc vào khả năng kết nối những thay đổi ấy với mô hình kinh doanh, mục tiêu chiến lược và kết quả cuối cùng dành cho khách hàng. Những cấp độ này cần được xem xét đồng thời, bởi một cải tiến tạo ra lợi ích cho cá nhân hoặc phòng ban có thể chưa mang lại hiệu quả tương ứng cho toàn tổ chức. Khi đó, vai trò của lãnh đạo và nhà quản lý cần mở rộng sang việc thiết kế hệ thống, điều phối các mối phụ thuộc, xác định quyền quyết định và phát triển năng lực của những người tham gia, bên cạnh các hoạt động quản lý chức năng vốn có.

Với những doanh nghiệp đang bắt đầu triển khai AI agents, tôi cho rằng chưa cần thiết phải xây dựng ngay một hệ thống quá phức tạp. Có thể bắt đầu từ một dòng giá trị quan trọng, chẳng hạn quá trình tìm kiếm và chuyển đổi khách hàng, xử lý đơn hàng hoặc cung cấp dịch vụ. Trước tiên, những người liên quan cần cùng nhau mô tả cách công việc thực sự đang diễn ra, xác định các điểm chuyển giao, những trường hợp phải chờ đợi, công việc thường xuyên bị làm lại và những quyết định thiếu rõ ràng về trách nhiệm. Từ đó mới thiết kế lại quy trình theo mục tiêu mong muốn, tổ chức dữ liệu và xác định những vị trí phù hợp để con người, phần mềm tự động và AI agents tham gia. Việc thử nghiệm nên diễn ra trong phạm vi đủ nhỏ để theo dõi chất lượng, kiểm soát rủi ro và đo lường sự thay đổi của toàn bộ quy trình. Khi mô hình vận hành đã chứng minh được hiệu quả, doanh nghiệp mới mở rộng sang những dòng giá trị khác, đồng thời từng bước hình thành các tiêu chuẩn chung về dữ liệu, chuyển giao công việc, phân quyền và quản trị AI. Cách triển khai này giúp doanh nghiệp tích lũy năng lực tổ chức trong quá trình ứng dụng công nghệ, thay vì tạo ra những hệ thống tự động hóa riêng lẻ rồi phải tìm cách kết nối chúng về sau.

Trở lại với nghiên cứu của Carnegie Mellon, kết quả đáng suy ngẫm nằm ở chỗ nhóm người tham gia có thể giải quyết vấn đề nhanh hơn nhờ thay đổi cách những thông tin cần thiết được kết nối và chuyển đến nhau, ngay cả khi AI không trực tiếp đưa ra quyết định thay họ. Trong thực tế doanh nghiệp, việc phối hợp còn phức tạp hơn vì liên quan đến nguồn lực, trách nhiệm, quyền hạn, sự phụ thuộc giữa các công đoạn và những cam kết đối với khách hàng. Điều đó càng cho thấy sự cần thiết của việc thiết kế lại hệ thống làm việc khi AI ngày càng có khả năng đảm nhiệm nhiều nhiệm vụ. Với tôi, quá trình ấy cần bắt đầu từ việc hiểu rõ doanh nghiệp tạo ra giá trị gì, chuyển giao giá trị đó đến khách hàng như thế nào, những con người và bộ phận nào phải phối hợp để thực hiện cam kết ấy, rồi mới xác định AI nên tham gia ở đâu và với quyền hạn đến mức nào. Bởi suy cho cùng, năng lực thực thi ngày càng lớn của AI chỉ có thể chuyển hóa thành hiệu suất tổ chức khi những công việc được kết nối trong một hệ thống có mục tiêu, trách nhiệm và cơ chế phối hợp rõ ràng. Và khi ngày càng nhiều hoạt động được giao cho AI, năng lực quan trọng mà con người cần tiếp tục phát triển có lẽ chính là khả năng hiểu, thiết kế, vận hành và cải tiến những hệ thống mà trong đó cả con người lẫn công cụ đều có thể đóng góp vào giá trị chung.

Nguồn tham khảo: Carnegie Mellon University, New Research Shows Personal AI Agents Help Networked Teams Solve Problems Faster (thông cáo Unanimous AI, 15/10/2026); APQC, How Should End-to-End Processes Be Mapped and Modeled? (09/2026); Anthropic, Common Workflow Patterns for AI Agents and When to Use Them (03/2026); NIST, AI Risk Management Framework.